Curso online
Duración : 5 Meses
Con este curso práctico estarás preparado para ejercer una profesión como científico de datos, profesional con conocimientos empresariales, estadísticos y de programación, aportando soluciones diferentes a las que trabaja a través de los lenguajes de programación. También podrás evolucionar a programador de Python con unos fundamentos sólidos de estadística y de algoritmos predictivos.
Emagister S.L. (responsable) tratará tus datos personales con la finalidad de gestionar el envío de solicitudes de información y comunicaciones promocionales de formación con tu consentimiento. Ejerce tus derechos de acceso, supresión, rectificación, limitación, portabilidad y otros, según se indica en nuestra política de privacidad.
Objetivos
El aprendizaje automático o Machine Learning tiene por objetivo desarrollar técnicas que permitan a las computadoras aprender. De forma más concreta, se trata de crear programas capaces de generalizar comportamientos y reconocer patrones a partir de una información suministrada en forma de ejemplo (entrenamiento).
Requisitos
Conocimientos básicos de informática e internet
Temario completo de este curso
Formación Técnica
Entorno de Python y herramientas.Instalación y configuración de Python.
Herramientas de desarrollo.
Programación estructurada con Python.
Estructuras de datos en Python.
Uso de Jupyter Notebook y JupyterLab.
Uso de RStudio.
Uso de Glueviz.
Uso de Orange.
Bases de datos y automatización.
Uso de bases de datos relacionales.
Uso de bases de datos no relacionales.
Uso de bases de datos no relacionales.
Formación Específica
EstadísticaConceptos de sobreajueste, predicción, clustering, aprendizaje por refuerzo, modelos de supervivencia.
Importación y limpieza de datosProgramación en Python, R y otros lenguajes para la preparación de los datos para los algoritmos.
Primeros algoritmos y series temporales univarianteANOVA, ANCOVA, ARIMA, etc. Orientado a la creación de conocimiento partiendo de muestras y calidad en la predicción de series temporales.Técnicas de reducción de variablesComponentes principales, análisis factorial, análisis de correspondencias, etc.
ClusteringBúsqueda e interpretación de segmentos: Kmeans, Jerarquizado y DBScan.
Reglas de asociaciónAnálisis de la cesta de la compra en formato tickets y tabular.
Fundamentos de aprendizaje supervisado y preprocesamientoSubconjuntos de entrenamiento, validación y test. Métodos de comparación de resultados: ROC, Lift, Matriz de confusión, etc.
Técnicas de exploración de datosPower-BI. Exploración interactiva. Comunicación de conclusiones y mensajes mediante gráficos.
Árboles de decisiónAlgoritmos de división horizontal. Árboles normales y condicionales.
Naive Bayes y KNNAlgoritmos sencillos. Búsqueda de probabilidades y búsqueda de vecinos más próximos.
Máquinas de soporte vectorialGeneralización del concepto de divisiones. Kernel. Uso de búsquedas mediante grid para optimizar resultados.
Algoritmos ensamblados: Bagging, Boosting y Ramdom ForestUso del entorno H2O Aquarium de utilización de la inteligencia artificial para la optimización de algoritmos.
Proyecto & certificaciónAl finalizar las clases de la formación específica realizarás, con la supervisión de tu tutor, varios proyectos de implantación sobre los conocimientos adquiridos.